深度学习：21天实战Caffe

书还可以，但贴代码太多了01-30

我觉得很普通，错误还是有点多。不过作为一本为数不多的caffe入门书还是不错的10-03

贴log，贴代码，定价偏贵，这凑篇幅的手段有点难看12-14

适合分析caffe源码或者caffe入门04-16

上篇和下篇是caffe科普级内容，中篇C++源码分析偏底层细节。搭配caffe官网文档看效果更佳。10-23

不算严谨 不过各个点都覆盖到了 难得的中文 caffe tutorial09-19

其实还行，算是一部合格的入门书。如果想快速的阅读caffe源码和上手的话可以选择。缺点是三分之一是凑字数的。09-29

较差。贴了大段源码和log（占了大半内容）。caffe使用者真正对源码感兴趣的部分：如何实现自定义的layer却没提及。 还有不少理论常识性错误，让人怀疑作者是不是做深度学习的。并不指导读者如何使用caffe解决深度学习图像领域的任务。12-12

有讲caffe源码如何阅读，还不错10-31

這本書我最收益的是： “grep -H -R -n "xxx"”這個命令。使用頻率最高。01-28

因为要处理一些caffe的老代码拿到了这本书，实在被作者震惊了，大量贴代码也就算了，连贴10页日志也算是为了页数不择手段了。12-28

Caffe入门书籍，浅显易懂06-23

比较基础，适合快速跟读caffe源码，短时间内也可以做为参考书来翻，还是能节省些时间的。缺少有深度的总结。08-23

一本可以快速浏览，快速了解深度学习的入门书，对神经网络，深度学习建立一个基本的概念。整体流程都相似，训练和推理；训练则包含forword，loss计算，backward；推理则只包含forward；单单forward又包含一个数据层，n个卷积层，n个池化层，激活层，全连接层等。值得一提caffe，神经网络推理框架开山鼻祖？简单易上手，建立统一的模式和方法论，建立blob，layer，net，bottom，top的基本概念，成为人们沟通交谈神经网络相关问题的基石，这是最牛逼的，目前公司很多项目都是以caffemodel作为起点，足见其地位举足轻重。07-10

感谢算法同事借阅，算是在门外走马观花一下哈01-19

对源码进行了比较细的解读，比市面上大多数书实用多了，就是caffe很不好用05-03

作为为数不多的caffe书，可以看看。。。深度就算了10-21